ODIN

Beobachten, Erkennen und Untersuchen von Netzwerken

Aktuelle Version: v2.0.0 "Huginn"

ODIN ist ein Python-Tool zur Automatisierung von Intelligence Gathering, Asset Discovery und Reporting. Denken Sie daran, den Dev-Branch für die neuesten Entwicklungen zu überprüfen, und Feedback ist willkommen!

Siehe das GitHub-Wiki für Details sowie Installations- und Einrichtungsanweisungen.

Was kann ODIN?

ODIN zielt darauf ab, die grundlegenden Recon-Aufgaben zu automatisieren, die von Red Teams verwendet werden, um Netzwerkressourcen zu entdecken und Daten zu sammeln, einschließlich Domains, IP-Adressen und internetfähigen Systemen. Das Hauptmerkmal von ODIN ist die Datenverwaltung und Berichterstattung. Die Daten werden in einer Datenbank organisiert und dann kann diese Datenbank optional in einen HTML-Bericht oder eine Neo4j-Graphdatenbank zur Visualisierung der Daten konvertiert werden.

ODIN führt dies in mehreren Phasen durch:

Phase 1 - Asset Discovery

• Sammeln grundlegender Organisationsinformationen aus Quellen wie der Full Contact Marketing-Datenbank.
• Überprüfen von DNS Dumpster, Netcraft und TLS-Zertifikaten, um Subdomains für die angegebenen Domains zu entdecken.
• Auflösen von Domains und Subdomains zu IP-Adressen über Socket-Verbindungen und DNS-Einträge.
• Sammeln von Informationen für alle IP-Adressen, wie Eigentümer- und Organisationsdaten, von RDAP, Whois und anderen Datenquellen.
• Nachschlagen von Domains und Suche nach IP-Adressen auf Shodan, um zusätzliche Daten wie Betriebssysteme, Service-Banner und offene Ports zu sammeln.
• Überprüfung auf die Möglichkeit von Takeovers und Domain Fronting bei den Domains und Subdomains.

Phase 2 - Employee Discovery

• Sammeln von E-Mail-Adressen und Mitarbeiternamen für die Zielorganisation.
• Verknüpfen von Mitarbeitern mit Social-Media-Profilen über Suchmaschinen und die Twitter-API.
• Quervergleich entdeckter E-Mail-Adressen mit Troy Hunts Have I Been Pwned.

Phase 3 - Cloud- und Webdienste

• Suchen nach Office-Dateien und PDFs unter der Zieldomain, Herunterladen und Extrahieren von Metadaten.
• Suche nach AWS S3 Buckets und Digital Ocean Spaces mit Schlüsselwörtern, die mit der Organisation zusammenhängen.
• Erstellen von Screenshots entdeckter Webdienste für eine schnelle, frühe Überprüfung der Dienste.

Phase 4 - Berichterstattung

• Speichern aller Daten in einer SQLite3-Datenbank, um eine einfache Abfrage der Daten zu ermöglichen.
• Erstellen eines HTML-Berichts mit Standard-SQL-Abfragen, um das Durchsehen der Daten in einem Webbrowser zu vereinfachen.
• Erstellen einer Neo4j-Graphdatenbank, die alle entdeckten Entitäten (IP-Adressen, Domains, Subdomains, Ports und Zertifikate) mit Beziehungen (z.B. RESOLVES_TO, HAS_PORT) verknüpft.

Am Ende von all dem haben Sie mehrere Möglichkeiten, die Daten zu durchsuchen und zu visualisieren. Selbst eine einfache Neo4j-Abfrage wie MATCH (n) RETURN n (alles anzeigen) kann einen faszinierenden Graphen des externen Perimeters der Organisation erstellen und es einfach machen, zu sehen, wie Ressourcen verknüpft sind. Die Neo4j-Wiki-Seiten enthalten bessere Abfragebeispiele.